E-Mail-Triage mit KI: Posteingang automatisch sortieren

Ein zentrales Postfach, in dem Angebotsanfragen, Rechnungen, Newsletter und Reklamationen ungesortet durcheinanderlaufen, kostet in vielen Betrieben jeden Morgen die erste Stunde. Die Idee der E-Mail-Triage: eingehende Nachrichten automatisch in Kategorien einsortieren, Wichtiges nach vorn holen und Routine vorbereiten – bevor ein Mensch überhaupt hinschaut. In diesem Artikel zeige ich, welche Bausteine das in der Praxis leisten, wo ein KI-Modell wirklich nötig ist und an welchen Stellen Sie die Hand drauf behalten müssen.

Was E-Mail-Triage mit KI bedeutet

Der Begriff kommt aus der Medizin: sortieren nach Dringlichkeit, bevor behandelt wird. Auf den Posteingang übertragen erledigt eine Triage drei Aufgaben – einordnen (welche Art Mail ist das?), priorisieren (eilt es?) und vorbereiten (Entwurf, Weiterleitung, Label). Den interessanten Teil übernimmt ein KI-Modell: Es versteht den Freitext einer Mail gut genug, um sie einer von wenigen, klar definierten Kategorien zuzuordnen – etwas, das starre Filterregeln nach Absender oder Stichwort nicht zuverlässig schaffen.

E-Mail-Triage heißt, eingehende Nachrichten automatisch nach Kategorie und Dringlichkeit zu sortieren, statt sie einzeln durchzusehen. Ein KI-Modell ordnet den Freitext einer Mail einer von wenigen, klar definierten Kategorien zu – etwa Anfrage, Rechnung, Support oder Werbung. Die Automatisierung übernimmt das Einsortieren und Vorbereiten; die Entscheidung, was tatsächlich passiert, bleibt beim Menschen.

Die Bausteine in n8n: vom Posteingang zur Kategorie

Mit der Open-Source-Plattform n8n lässt sich eine solche Triage aus wenigen Standardbausteinen zusammenstecken. Ein typischer Ablauf:

1. Auslöser: Der Node Email Trigger (IMAP) holt neue Nachrichten aus einem Postfach und gibt Felder wie from, subject, text und Anhänge weiter. Über die Parameter Mailbox Name, Action (z. B. „Mark as Read“), Download Attachments und Format steuern Sie, was geladen wird. Für Google Workspace oder Microsoft 365 gibt es alternativ die Trigger Gmail Trigger bzw. Microsoft Outlook Trigger.
2. Klassifikation: Der Text Classifier (ein LangChain-Node) ordnet den Mailtext einer Kategorie zu. Sie definieren je Kategorie einen Namen und eine Beschreibung; der Node braucht zwingend ein angebundenes Chat-Modell als Sub-Node. Zwei Optionen sind in der Praxis entscheidend: Allow Multiple Classes To Be True erlaubt Mehrfachzuordnung (eine Mail ist „Rechnung“ und „dringend“), und When No Clear Match legt fest, was bei Unsicherheit passiert – Standard ist Discard Item, sinnvoller meist Output on Extra, 'Other' Branch.
3. Verteilen: Ein Switch-Node leitet die Mail je nach Kategorie auf einen eigenen Pfad.
4. Aktion: Pro Pfad setzen Sie ein Label, verschieben in einen Ordner, legen einen Antwortentwurf an oder schicken eine Benachrichtigung.

Eine grobe Kategorienlogik kann so aussehen:

Kategorie	Typische Folgeaktion
Anfrage / Angebot	an Vertrieb, Entwurf anlegen
Rechnung / Beleg	in Buchhaltung, zur Prüfung
Support / Reklamation	Ticket anlegen, als dringend markieren
Newsletter / Werbung	Label setzen
Unklar	„Other“-Zweig, manuell sichten

Für Eingangsrechnungen schließt sich an die Kategorie „Rechnung“ oft ein eigener Prüf-Workflow an, wie ich ihn für den 3-Wege-Abgleich von Lieferantenrechnungen beschrieben habe. Der entscheidende Punkt: Das KI-Modell trifft hier keine Entscheidung, es schlägt nur eine Schublade vor.

Welche Modelle – und wo bleiben die Daten?

Für die Klassifikation brauchen Sie ein Sprachmodell, und an dieser Stelle fällt eine Weichenstellung mit Datenschutz-Folgen. Zwei Wege:

• Cloud-Modell (etwa von OpenAI, Anthropic oder Google): leistungsstark, aber der Mailtext verlässt Ihre Infrastruktur und wird bei einem externen Anbieter verarbeitet – häufig außerhalb der EU.
• Lokales oder EU-Modell: n8n bringt einen Ollama Chat Model-Node mit, über den Sie ein lokal laufendes Modell (z. B. Llama oder Mistral) auf Ihrem eigenen Server ansprechen. Die Inferenz bleibt dann in Ihrer Infrastruktur. Für Triage – kurze Texte, wenige Kategorien – reicht oft ein kleineres Modell.

Ob sich der Aufwand für ein selbst gehostetes Setup lohnt, hängt von Volumen und Schutzbedarf der Mails ab. Wo die Grenzen zwischen Cloud und Self-Hosting verlaufen, ordne ich auf der Seite zur n8n-Beratung ein.

DSGVO: vor dem ersten Durchlauf klären

E-Mails enthalten fast immer personenbezogene Daten – Name, Adresse, oft sensible Inhalte. Drei Punkte sollten Sie geklärt haben, bevor der erste Durchlauf startet:

• Auftragsverarbeitung: Schicken Sie Mailinhalte an einen externen LLM-Anbieter, verarbeitet dieser personenbezogene Daten in Ihrem Auftrag. Art. 28 DSGVO verlangt dafür einen Vertrag zur Auftragsverarbeitung (AVV), der den Anbieter an Ihre Weisungen bindet.
• Drittlandtransfer: Sitzt der Anbieter außerhalb der EU, brauchen Sie eine tragfähige Grundlage für den Datentransfer (Angemessenheitsbeschluss bzw. EU-US Data Privacy Framework oder Standardvertragsklauseln). Ein EU-gehostetes oder lokales Modell umgeht dieses Thema ganz.
• Keine vollautomatische Entscheidung mit Wirkung: Art. 22 DSGVO gibt Betroffenen das Recht, nicht einer ausschließlich automatisierten Entscheidung mit rechtlicher oder ähnlich erheblicher Wirkung unterworfen zu werden. Für die Triage heißt das praktisch: sortieren und Entwürfe vorbereiten ja – verbindliche Antworten ohne menschliche Prüfung an Kunden senden nein.

Das ist keine Rechtsberatung, sondern die Linie, an der ich mich in Gesprächen orientiere. Den konkreten Fall klären Sie mit Ihrem Datenschutzbeauftragten – aber wer diese drei Fragen vorab beantwortet, erspart sich später teure Korrekturen.

Wo die Triage an Grenzen stößt

Eine ehrliche Einordnung gehört dazu, denn nicht jede Mail lässt sich auf einen Node reduzieren:

• Fehlklassifikation: Auch ein gutes Modell ordnet gelegentlich falsch ein. Deshalb der „Other“-Zweig für Unsicheres und eine stichprobenartige Kontrolle – kein „einrichten und vergessen“.
• Plausibel formulierter Unsinn: Ein Sprachmodell schreibt flüssige Antwortentwürfe, die inhaltlich daneben liegen können. Ein Entwurf ist ein Entwurf, kein Versand – dasselbe Prinzip, das ich beim KI-Telefonassistenten für nötig halte.
• Fehlender Kontext: Ohne Wissen über laufende Vorgänge ordnet die KI nur nach Text ein, nicht nach Vorgeschichte.
• Wartung: Tauchen neue Mail-Typen auf, müssen Kategorien und Prompt nachgezogen werden.

Branchenbeobachter wie Gartner rechnen damit, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden (Gartner, Juni 2025) – meist, weil der Nutzen den Betriebsaufwand nicht trägt. Die Lehre daraus ist nicht „Finger weg“, sondern: klein und überprüfbar anfangen.

Wie Sie pragmatisch starten

• Read-only beginnen. Erst nur Labels setzen, nichts verschieben und nichts senden. Eine Woche mitlaufen lassen und prüfen, wie oft die KI richtig liegt.
• Wenige, trennscharfe Kategorien. Vier bis sechs, die sich klar unterscheiden – nicht zwanzig Feinschattierungen, die das Modell durcheinanderbringen.
• Schrittweise erweitern. Sitzt das Sortieren, kommen Entwürfe dazu – weiterhin mit einem Menschen davor.
• KI nur, wo Freitext-Verständnis nötig ist. „Absender X → Ordner Y“ ist eine Regel, kein KI-Fall. Diesen Grundsatz – ein KI-Modell nur dort, wo es wirklich gebraucht wird – verfolge ich auch bei KI-Agenten für den Mittelstand.

Ob sich E-Mail-Triage in Ihrem Postfach lohnt, hängt vom Volumen und von der Streuung der Mail-Typen ab. Im kostenlosen Prozess-Check schauen wir uns gemeinsam an, welche Eingänge sich sinnvoll automatisieren lassen – und wo der manuelle Blick die bessere Wahl bleibt.